Лекция 3-4

Раздел 1. Методы математической обработки данных в психологии

План.

1. Параметрические и непараметрические критерии.

   1. Возможности и ограничения параметрических и непараметрических критериев

   2. Мощность критерия

2. Выбор метода математической обработки данных.

   1. Классификация задач и методов их решения

   2. Принятие решения о методе математической обработки

3. Выявление различий в уровне исследуемого признака

   1. Обоснование задачи сопоставления и сравнения

   2. Q- критерий Розенбаума

   3. U – критерий Манна-Уитни

1. Параметрические и непараметрические критерии

Возможности и ограничения параметрических и непараметрических критериев

Из таблицы 1 мы видим, что параметрические критерии могут оказаться несколько более мощными, чем непараметрические, но только в том случае, если признак измерен по интервальной шкале и нормально распределен. Лишь с некоторой натяжкой мы можем считать данные, представленные не в стандартизованных оценках, как интервальные. Кроме того, проверка распределения "на нормальность" требует достаточно сложных расчетов, результат которых заранее неизвестен. Может оказаться, что распределение признака отличается от нормального, и нам так или иначе все равно придется обратиться к непараметрическим критериям.

Непараметрические критерии лишены всех этих ограничений и не требуют таких длительных и сложных расчетов. По сравнению с параметрическими критериями они ограничены лишь в одном – с их помощью невозможно оценить взаимодействие двух или более условий или факторов, влияющих на изменение признака. Эту задачу может решить только дисперсионный двухфакторный анализ.

Учитывая это, в дальнейшем будем рассматривать в основном непараметрические статистические критерии. В сумме они охватывают большую часть возможных задач сопоставления данных.

Единственный параметрический метод, рассматриваемый в курсе дисциплины «Математические основы психологии» – метод дисперсионного анализа, двухфакторный вариант которого ничем невозможно заменить.

Таблица 1

Параметрические критерии	Непараметрические критерии
1. Позволяют прямо оценить различия в средних, полученных в двух вы­борках (t - критерий Стьюдента).	Позволяют оценить лишь средние тенден­ции, например, ответить на вопрос, чаще ли в выборке А встречаются более высокие, а в выборке Б – более низкие значения признака (критерии Q, U, φ* и др.).
2. Позволяют прямо оценить различия в дисперсиях (критерий Фишера)	Позволяют оценить лишь различия в диа­пазонах вариативности признака (критерий φ*)
3. Позволяют выявить тенденции изме­нения признака при переходе от условия к условию (дисперсионный однофакторный анализ), но лишь при условии нормального распреде­ления признака.	Позволяют выявить тенденции изменения признака при переходе от условия к условию при любом распределении признака (критерии тенденций L и S).
4. Позволяют оценить взаимодействие двух и более факторов в их влиянии на изменения признака (двухфакторный дисперсионный анализ).	Эта возможность отсутствует.
5. Экспериментальные данные должны отвечать двум, а иногда трем, условиям: а) значения признака измерены по интервальной шкале; б) распределение признака является нормальным; в) в дисперсионном анализе должно соблюдаться требование равенства дисперсий в ячейках комплекса.	Экспериментальные данные могут не отвечать ни одному из этих условий: а) значения признака могут быть представлены в любой шкале, начиная от шкалы наименований; б) распределение признака может быть любым и совпадение его с каким-либо теоретическим законом распределения необязательно и не нуждается в проверке; в) требование равенства дисперсий отсутствует.
6. Математические расчеты довольно сложны.	Математические расчеты по большей части просты и занимают мало времени (за исключением критериев ^2и λ)*
7. Если условия, перечисленные в п.5, выполняются, параметрические критерии оказываются несколько более мощными, чем непараметрические.	Если условия, перечисленные в п.5, не выполняются, непараметрические критерии оказываются более мощными, чем пара­метрические, так как они менее чувствительны к "засорениям*.

Мощность критерия

Мощность критерия – это его способность выявлять различия, если они есть. Иными словами, это его способность отклонить нулевую гипотезу об отсутствии различий, если она неверна.

Ошибка, состоящая в том, что мы приняли нулевую гипотезу, в то время как она неверна, называется ошибкой II рода.

Вероятность такой ошибки обозначается как β. Мощность критерия – это его способность не допустить ошибку II рода, поэтому мощность равна _.

Мощность критерия определяется эмпирическим путем. Одни и те же задачи могут быть решены с помощью разных критериев, при этом обнаруживается, что некоторые критерии позволяют выявить различия там, где другие оказываются неспособными это сделать, или вы­являют более высокий уровень значимости различии. Возникает вопрос: а зачем же тогда использовать менее мощные критерии? Дело в том, что основанием для выбора критерия может быть не только мощность» но и другие его характеристики, а именно:

а) простота;

б) более широкий диапазон использования (например, по отношению к данным, определенным по номинативной шкале, или по отношению к большим п);

в) применимость по отношению к неравным по объему выборкам;

г) большая информативность результатов.